|
|||||
|
|
| 基于预定义模式的Web网页结构化数据抽取 | |
| 引用本文： | 王红卫,马红,张素智,赵宇.基于预定义模式的Web网页结构化数据抽取[J].郑州轻工业学院学报(自然科学版),2008,23(6). |
| 作者姓名： | 王红卫 马红 张素智 赵宇 |
| 作者单位： | 1. 郑州轻工业学院机电工程学院,河南,郑州,450002 2. 郑州轻工业学院计算机与通信工程学院,河南,郑州,450002 3. 中原油田,供电管理处,河南,濮阳,457001 |
| 基金项目： | 河南省自然科学基金，郑州轻工业学院博士科研基金 |
| 摘 要： | 设计了一种基于预定义模式W eb网页结构化数据抽取包装器软件.该软件利用最新W eb技术、信息处理技术、人工智能技术对W eb网页结构化信息解析,从非结构化的、不包括任何语义的HTML文档中抽取结构化语义数据.选取了几个出版社的新书发布W eb页面进行了数据抽取验证和抽取结果分析.结果表明该软件可实现W eb网页新书发布信息集成,并提供新书检索服务. |
| 关 键 词： | 包装器 数据抽取 预定义模式 |
Structured data extraction of Web page based on pre-define schema |
|
| WANG Hong-wei,MA Hong,ZHANG Su-zhi,ZHAO Yu.Structured data extraction of Web page based on pre-define schema[J].Journal of Zhengzhou Institute of Light Industry(Natural Science),2008,23(6). | |
| Authors: | WANG Hong-wei MA Hong ZHANG Su-zhi ZHAO Yu |
| Abstract: | A kind of wrapper software based on pre-define schema for structured data extraction of Web page was designed.The latest Web technology,information process technology and artifictial intelligence technololgy were used to parse the structured information of Web page and extract the structrued and semantic data from the HTML document which is non-structured and does not contain any semantic.Then some publishing companies to extract data from the new books information Web pages of them and snalyses the extraction results.The experimentation shows that this software can integrate the new books information of Web pages and supply the new books searching service. |
| Keywords: | wrapper extraction rule data extraction pre-define schema |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |